Reklama
aplikuj.pl

Jak sztuczna inteligencja pomaga w tworzeniu ekologicznych paliw?

Naukowcy z King Abdullah University of Science and Technology proponują metodę, z użyciem której możliwe będzie eksploatowanie wysokowydajnych paliw, które niemal w ogóle nie emitują dwutlenku węgla.

O roli gazów takich dwutlenek węgla czy metan nie trzeba chyba nikogo informować. Wystarczy wspomnieć, iż są one powszechnie spotykanymi gazami cieplarnianymi. Duża część ich emisji pochodzi ze spalania paliw węglowodorowych, dlatego naukowcy starają się je ograniczyć.

Czytaj też: Powstaje największa na świecie farma wiatrowa. Zasili miliony gospodarstw

Istnieje kilka metod opracowanych do przesiewania paliwa, ale zazwyczaj dotyczą mniejszych mieszanek bądź wymagają dodatkowego przetwarzania wstępnego. Jak dodaje Nursulu Kuzhagaliyev, jena z autorek badania, najwięcej trudności sprawia przesiewanie złożonych mieszanin zawierających setki składników.

Sztuczna inteligencja ma usprawnić proces wytwarzania paliwa

Zespół badawczy skonstruował model głębokiego uczenia , którego zadaniem mogłoby być efektywne przesiewanie paliw. Według Kuzhagaliyevej, ten problem dobrze pasował do technologii pozwalającej uchwycić nieliniowe interakcje między różnymi substancjami. W podejściu polegającym na odwróconym projektowaniu naukowcy najpierw zdefiniowali właściwości związane ze spalaniem (na przykład jakość zapłonu paliwa i skłonność do tworzenia sadzy) a następnie wyszczególnili potencjalne paliwa według tych właściwości.

Czytaj też: Chiny: okręty podwodne marynarki wojennej będą zasilane bateriami litowo-jonowymi

Nie istniał żaden model, który można by dostosować do odwrotnego projektowania paliwa, więc badacze musieli wykorzystać nieco inną metodę. Inspirację stanowiły techniki przetwarzania tekstu, które odnoszą słowa do fraz za pomocą ukrytych wektorów. W ten sposób członkowie zespołu wprowadzili operator mieszania, który bezpośrednio łączy ukryte reprezentacje czystych związków i mieszanin poprzez kombinacje liniowe. Algorytmy pomogły z kolei w wykrywaniu mieszanek paliwowych, które pasują do wcześniej zdefiniowanych właściwości w przestrzeni chemicznej.